arXiv cs.AI· Jing Xu, Cunjian Chen, Qiuhong Ke·· 11 小时前AI 评分22
ChoreoStudio：在音乐驱动的群舞编排中规划“跳什么、何时变、谁来动”
ChoreoStudio: Planning What, When, and Who in Music-Driven Group Choreography
AI 导读
ChoreoStudio 将音乐驱动的群舞生成拆成显式编排规划：音乐解耦器分离帧级节奏与片段级结构特征，冻结的全模态模型充当“编剧”生成全局语义描述，再由 Director 输出队形点集、切换门控与移动分配三项耦合决策。
正文 · AI 翻译
摘要：音乐驱动的群舞生成不仅要决定每位舞者如何移动，还要决定群体应形成何种队形、何时变换队形，以及由谁执行每次转换。现有方法能够生成有序且节奏同步的群体动作，但在队形演变和舞者间交互方面仍存在局限。在人类编舞中，队形转换通常与高层音乐结构的变化相对应，例如从引子过渡到副歌，或从副歌过渡到高潮。我们提出 ChoreoStudio，使编舞规划显式化。音乐解耦器首先将音频分解为帧级节奏特征和片段级结构特征。给定片段级特征和稀疏标签，一个冻结的全模态模型充当编剧，生成全局语义描述，以指导导演的编舞规划。基于该上下文，导演产生三个相互耦合的交互决策：质心相对点集指定要产生何种队形，转换门控决定何时变换队形，移动性分配指示由谁执行转换。转换门控和移动性分配进一步以规划好的几何变化为条件，将队形目标与其时间和舞者特定的执行相耦合。在更细的时间尺度上，帧对齐的音乐特征作为扩散生成器的条件，以控制详细的身体动作并保持节拍级对齐。片段级交互计划通过帧对齐的指令 token 和跨舞者注意力偏置并行注入，协调生成器如何实现每次转换。在 AIOZ-GDance 上的实验表明，ChoreoStudio 遵循规划好的交互，同时在动作质量、群体组织和队形动态方面达到最先进性能。
| 学科： | 声音（cs.SD）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.32325 [cs.SD] |
| （或 arXiv:2610.32325v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32325 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jing Xu [查看邮箱]
[v1]
2026年10月23日星期五 08:23:10 UTC（4,824 KB）
来源：arXiv cs.AI · arxiv.org